【摘 要】
:
随着卷积网络的逐渐成熟,卷积神经网络的应用越来越广泛,随之而来的模型安全问题也越来越受到人们的关注。近年来,针对卷积网络的模型攻防研究课题也受到越来越多人的关注。其中最具有代表性的是对抗样本攻防。对抗样本是模型的外部威胁,即外部输入造成模型的功能上发生异常错误。而本文更关注的是对模型的内部的攻防场景。例如,模型窃取攻击,它针对的是模型内部的隐私安全,模型窃取者通过窃取模型的功能达到个人的经济利益或
论文部分内容阅读
随着卷积网络的逐渐成熟,卷积神经网络的应用越来越广泛,随之而来的模型安全问题也越来越受到人们的关注。近年来,针对卷积网络的模型攻防研究课题也受到越来越多人的关注。其中最具有代表性的是对抗样本攻防。对抗样本是模型的外部威胁,即外部输入造成模型的功能上发生异常错误。而本文更关注的是对模型的内部的攻防场景。例如,模型窃取攻击,它针对的是模型内部的隐私安全,模型窃取者通过窃取模型的功能达到个人的经济利益或准备进行进一步的攻击研究。除此之外,模型重用攻击,通过篡改参数达到模型在识别特定类别时发生指向性的错误,它和对抗样本攻击类似,但其实现的原理完全不同。综上所述,这两类攻击类型都是针对模型内部隐私、参数进行的攻击,而并非通过外部的输入干扰模型。首先,本文针对数据传输过程中的数据窃密而导致的模型窃取攻击,本文设计了图像部分加密和标签自编码加解密方法。该方法基于神经网络类激活映射技术,本文将图像不同区域对最终识别结果进行量化。根据图像区域量化结果,本文设计了一个最小重要区域提取算法,将最小重要区域分割出来进行加密,其余区域不进行加密,减小了图像加解密的开销。除此之外,本文通过自编码器的固有加解密性质,将编码器部分用于标签的加密,解码器部分用于标签的解密。其次,本文针对通过API访问的模型窃取攻击,采用多混淆模型进行模糊推断的方式,干扰最终输出的概率分布结果,阻碍攻击者对任务领域数据的边界进行探索,进而干扰模型窃取攻击。具体地,本文通过修改原始模型的决策边界和部分特征提取模式,使修改后的模型输出概率分布偏离原始模型的概率分布。本文将多个模型部署在不同温度系数下,并随机挑选模型进行输出。与此同时,本文保证被修改后模型输出的标签与原始模型相同,保障了正常用户的使用。最后,本文针对模型重用攻击场景,本文根据参数关键性量化进行剪枝防御。本文设计了两种参数关键性量化方法,第一种方式为基于识别结果的梯度量化方法,本文通过对应识别结果对权重的梯度大小,进而量化对应权重的重要性。第二种方式,本文借鉴了神经网络可解释研究的关键路径方法,将关键性量化方法扩展到神经网络权重上。在参数关键性量化后,本文利用权重剪枝和模型重训练技术,将非关键参数进行剪枝,并对剪枝后模型进行重训练,进而消除模型重用攻击的威胁。
其他文献
随着信息时代的发展,手机App已经深入现代人生活的方方面面,伴随着的是用户信息,视频信息以及商品信息的爆炸。人们如何获取自己感兴趣的信息,App和网页如何根据用户浏览记录及其他相关的用户特点从海量的数据向用户推送用户更感兴趣的内容,都已经成为现在热门的研究内容。近几年,结合深度神经网络设计的用户点击预测模型以及推荐模型的效果已经远远超过了传统的机器学习模型。伴随着数据集爆炸性的增长,结合神经网络模
现实生活中广泛存在着多目标优化问题(Multi-objective optimization problems,MOPs),它们有着多个目标等待着同时被优化。但是,多个目标之间往往是相互矛盾、互相冲突的。提升其中一个目标的性能总是会使其他目标的性能变差。因此,求解多目标优化问题时,会得到一组相互折衷的解集。基于分解的多目标优化算法(Multi-objective optimizations alg
随着计算机网络的飞速发展和普遍应用,传统的物理传输方式已不能满足系统功能不断增长的需求,迫切需要更高效的传输模式。基于信息感知的物联网将功能各异的系统组件通过网络进行连接,能够实现物与人、物与物之间的信息传输和交互,最终实现对物理世界的高度认知和智能控制。为了对目标进行精确估计,物联网依赖于由空间分布的多个自主传感器以不同的采样速率对目标进行观测,再将采集到的信息加以关联、组合和集成,进而完成态势
四旋翼因其优秀的飞行性能和低廉的成本,得到许多学者、研究机构和厂商的关注,并广泛应用于军事和民用等领域。飞控算法在四旋翼的研究中占据重要的地位,基于四旋翼数学模型设计的控制算法如PID控制、反馈线性化、反步设计和滑模控制等已经被应用到四旋翼的控制当中,并取得了不错的效果。然而,四旋翼精确的数学模型难以建立,因此,基于数学模型的控制算法的性能会受到影响。针对这个问题,本文结合某项目,对四旋翼的控制进
随着人工智能的发展,机器学习作为其中的重要分支,受到了研究者们的广泛关注。同时作为其中方向之一的强化学习,也出现了大量的研究和工作,主要研究的问题是使智能体能够在与环境不断的交互中采用最优策略来获得最优回报。强化学习面临的一个巨大挑战是需要人为设计具有很强泛化能力的特征,这些特征可以提高强化学习的效果与效率。在强化学习中引入深度学习就可以高效表征网络中的特征,深度学习与强化学习的结合使得强化学习的
智能问答利用自然语言处理技术解析自然语言问句,识别用户提问意图后根据系统学习到的知识做出回答。随着数据量爆炸式增长和计算机算力的提高,智能问答技术的研究逐渐从基于特征工程的方法转向基于深度学习的方法。在医学领域存在大量复杂的医学数据,为智能问答在医学领域的应用提供了良好的基础。智能问答按照知识来源可以分为基于阅读理解的智能问答和基于知识图谱的智能问答,本文选择后者作为研究重点。知识图谱为问答系统提
中国制造2025研究规划的实施,对工业产品的要求从中国“制造”向中国“智造”转变。现有的基于拍照检测的工业质检环节的准确率和实时性存在局限,现代自动化流水线化的工业生产工程中,需要研究基于视频时空间信息挖掘的机器视觉缺陷检测算法,简便流水线工业产品质量检测流程,降低繁琐的检测环节,进一度优化质检环节。本文通过研究电磁脉冲红外热成像和光激励机器视觉检测的基本原理,总结深度学习中目标检测和视频目标检测
由于现代电子系统飞速发展,信号的频率越来越高,带宽越来越宽,瞬时性特征愈发明显,复杂化程度也不断增加。据采样定理可知,要应对数GHz的信号测试,示波器就需要具有10GHz以上的高带宽及数十GSps的高采样率。本文基于子带分解技术搭建40GSps,10GHz的高速高带宽数据采集系统,着重研究并设计其采集模块中的高速数据传输,宽带信号触发和宽带信号幅频补偿及在FPGA中的实现。本文的主要研究内容如下:
随着传感器技术的快速发展,可穿戴设备已被运用到了许多研究领域。利用可穿戴设备监测体征信号能够客观分析个体的身心健康状况。心率作为人体的一项重要生理指标,可以评估心脏活动能力,疲劳程度,通过监测心率变化与语音记录或者呼吸等可以用来评估情绪,但医疗中多采用单导联或多导联设备监测心电图来计算心率,在日常生活中存在不便。光电容积脉搏波描述法(Photoplethysmography,PPG)是一种运用PP
近年来社会经济飞速发展,出行需求日益增长,干线飞机需求量越来越大,但目前我国干线飞机主要依赖进口,在全球新冷战场景下,干线飞机的自主设计、生产需求日益迫切。随着系统工程的不断发展,基于模型的系统工程(Model Based System Engineering,MBSE)在航空领域有了更多的应用,相较于传统开发方法,MBSE以模型代替文档,且符合适航标准,是更适合用于对民机系统进行设计的方法。状态